Human-Machine Systems, IEEE, 2015

抄録

生理学的測定、特にEEG（脳波）信号を用いた精神的負荷の評価は、活発な研究領域です。近年、EEGやその他の生理学的信号を測定するための多くのワイヤレス収集システムが利用可能になっています。認知負荷を評価し、そのパフォーマンスを評価するためにそのようなワイヤレスシステムを適用した研究はほとんどありません。本論文では、よく知られたn-backタスクにおける記憶負荷レベルを評価するために、一般的なワイヤレスシステム（Emotiv EPOCヘッドセット）の実現可能性を探る初期段階について説明します。私たちは、自動アーティファクト除去アルゴリズム、幅広い特徴抽出技術、パーソナライズされた特徴スケーリング手法、情報理論に基づく特徴選択アプローチ、および近接サポートベクターマシンに基づく分類モデルを統合した、信号処理および分類フレームワークを開発しました。実験結果は、ワイヤレスで収集されたEEG信号を使用して、9人の参加者の異なる記憶負荷レベルを分類できることを示しています。最も低い負荷レベル（0-back）とアクティブな負荷レベル（1-back、2-back、3-back）の間の分類精度は100%に近かったです。1-back対2-backの最良の分類精度は80%、1-back対3-backは84%でした。本研究は、ワイヤレス収集システムと高度なデータ分析およびパターン認識技術が、現代社会において多様な認知的活動に従事する人間の精神的負荷レベルのリアルタイムな監視と識別を達成するための有望な手段であることを示しています。レポート全文を読むにはここをクリックしてください